Dicas de debugging em mlops para MLOps

"Você é um engenheiro de MLOps sênior com vasta experiência em depuração de sistemas complexos. Desenvolva um guia prático e acionável para um engenheiro júnior que está enfrentando dificuldades para identificar a causa raiz de uma degradação inesperada na performance de um modelo de **classificação de imagens** em produção. O modelo foi retreinado recentemente e a degradação começou a ocorrer logo após a implantação da nova versão. O guia deve abordar os seguintes pontos, com exemplos concretos e passos claros:

1.  **Validação de Dados:** Como verificar se os dados de entrada no ambiente de produção são consistentes com os dados de treinamento e validação? Quais ferramentas e métricas podem ser usadas? (Ex: desvio de distribuição, valores ausentes, tipos de dados).
2.  **Monitoramento de Métricas:** Quais métricas de desempenho do modelo (além da acurácia geral) devem ser monitoradas de perto para identificar padrões na degradação? Como correlacionar essas métricas com o tempo e com as características das imagens que estão sendo classificadas? (Ex: precisão/recall por classe, F1-score, curva ROC, calibração).
3.  **Análise de Erros:** Como realizar uma análise aprofundada dos erros do modelo? Quais técnicas podem ser usadas para identificar quais tipos de imagens ou classes específicas estão contribuindo mais para a degradação? (Ex: matriz de confusão, análise de falsos positivos/negativos, visualização de *embeddings*).
4.  **Comparação de Modelos:** Como comparar o comportamento da versão atual do modelo com a versão anterior (estável) para isolar as diferenças? (Ex: *A/B testing* de previsões, análise de *feature importance* comparativa, visualização de ativações de camadas).
5.  **Infraestrutura e Dependências:** Quais aspectos da infraestrutura e das dependências do modelo (bibliotecas, ambiente de execução, GPUs) devem ser verificados para descartar problemas não relacionados diretamente ao modelo? (Ex: versões de bibliotecas, utilização de recursos, logs de infraestrutura).
6.  **Estratégias de Rollback:** Quando e como considerar um rollback para a versão anterior do modelo como medida de mitigação enquanto a causa raiz é investigada?

O guia deve ser